Geri Dön

Destek vektör makinesi (DVM) sınıflandırma metodu kullanan saldırı tespit sistemlerinin performansının özellik seçimi ile artırılması

Performance increase of intrusion detection systems utilising support vector machine (SVM) classification method by feature selection

  1. Tez No: 526404
  2. Yazar: UMUT KARACALARLI
  3. Danışmanlar: PROF. DR. MEHMET EMİN DALKILIÇ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: Türkçe
  9. Üniversite: Ege Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Uluslararası Bilgisayar Ana Bilim Dalı
  12. Bilim Dalı: Bilgi Teknolojileri Bilim Dalı
  13. Sayfa Sayısı: 126

Özet

Çağımızın getirdiği teknolojik gelişmenin en somut örneklerinden biri olan Internet, hayatımızı bir çok alanda kolaylaştırırken, bilgi sistemleri unsurlarındaki zaafiyetlerin kötü niyetli kişiler tarafından kullanılması ciddi olumsuz sonuçlar doğurmaktadır. Bilgisayar ağ güvenliğinde kullanılan anti virüs yazılımları, güvenlik duvarları, kimlik doğrulama, erişim ve ortam kontrolü gibi sistemler saldırı tespit sistemleri tarafından tamamlanmaktadır. Anomali saldırı tespit sistemi modelinde daha çok sınıflandırma amacıyla kullanılan destek vektör makinesinin performansını artırmak amacıyla özellik seçimi yöntemleri kullanılmaktadır. Bu araştırmada, KDD99 veri kümesi üzerinde, destek vektör makinesi ile yapılan sınıflandırmanın performansının, Fisher Score özellik seçim yöntemiyle artırılabildiği gösterilmektedir. Çalışmada, özellik seçim yöntemiyle önem derecesine göre sıralanan özelliklerden farklı alt kümeler oluşturulmaktadır. Alt kümedeki özellik sayısı azaldıkça, kümedeki özelliklerden her birindeki değişimin kümenin performansında daha çok etkiye neden olduğu, özellik alt kümesinde önem derecesi daha az özelliklerin sayısının artmasıyla isabet oranında azalış ve çalışma süresinde artış, ya da isabet oranında belirgin değişim olmasa da sadece çalışma süresinde artış izlenmiştir.

Özet (Çeviri)

While Internet is making our life easy in many aspects, which has been one of the most concrete sample of the technological improvements in this era, misuse of the deficiencies in information technology components creates negative results seriously by people with malicious intensions. Systems used in network security like antivirus software, firewalls, authentication verification, access and environment controls are supplemented by intrusion detection systems. Feature selection methods are utilized to increase the performance of support vector machines which are used in anomaly intrusion detection system model mainly for classification. In this research, it is shown that classification performance of support vector machine on KDD99 data set can be increased by Fisher Score feature selection method. In the study, different subsets are created of the attributes ordered by importance by the feature selection method. It is seen that the less is the number of the attributes in a subset, the more affected is the performance by the replacement of any attribute in the subset, and that the more gets the number of the low-value- attributes in a subset, either the accuracy score decreases and execution time increases or accuracy score does not change notably and execution time increases significantly.

Benzer Tezler

  1. Analysis and classification of spelling paradigm EEG data and an attempt for optimization of channels used

    Heceleme paradigması EEG verisinin analizi ve sınıflandırılması ve en uygun kanalların kullanılması üzerine bir çalışma

    ASİL YILDIRIM

    Yüksek Lisans

    İngilizce

    İngilizce

    2010

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik ve Elektronik Mühendisliği Bölümü

    PROF. DR. UĞUR HALICI

  2. COVİD 19 olası vakalarının derin öğrenme teknikleri kullanarak tespiti

    Determination of COVİD 19 possible cases by using deep learning techniques

    ÇİNARE OĞUZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAtatürk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ METE YAĞANOĞLU

  3. Classification of epilepsy and psychogenic patients with analysis of EEG signals

    EEG sinyallerinin analizi ile epilepsi ve psikojenik hastaların sınıflandırılması

    BÜŞRA KURU

    Yüksek Lisans

    İngilizce

    İngilizce

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. KADİR TUFAN

  4. Uç öğrenme makineleri kullanarak EKG işaretlerinin sınıflandırma başarımlarının iyileştirilmesi

    Improvement of the classification achievements of ECG signals using extreme learning machines

    AYKUT DİKER

    Doktora

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    PROF. DR. ENGİN AVCI

  5. Servikal vertebral ölçümler ve makine öğrenmesi algoritmaları ile elde edilen iskelet yaşının, el bilek radyografilerinden elde edilen iskelet yaşı ve maturasyon dönemi ile karşılaştırmalı olarak değerlendirilmesi

    Comparative evaluation of skeletal age obtained by cervical vertebral measurements and machine learning algorithms with skeletal age and maturation period obtained from hand wrist radiographs

    İREM KARAMEHMETOĞLU

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2023

    Diş HekimliğiRecep Tayyip Erdoğan Üniversitesi

    Ortodonti Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MERVE GONCA